基于聚类理论的任意星座图MQAM信号调制方式识别算法研究

The range of modulation order of QAM signals can be from a little number to a very large number. The QAM signals have many different type constellations. In practical works, we may encounter a new constellation that we have never met before. This makes modulation recognition of QAM signal becomes a difficult task. This problem can be solved by unsupervised pattern recognizing method or clustering method. This program mainly reseachs the modulation recognition technique of MQAM signals with any constellations, and search for the method of reconstruction the constellations of MQAM signals using clustering algorithm. Firstly, this program analyses on the problems caused by clustering method. Then, we study the reasons of these problems and the principles of MQAM constellation reconstruction using clustering method. Finaly, we give the whole theory of modulation recognition based on clustering method.Key tasks are listed as follows: First, How can we get the initial centroid? An subtractive clustering may be use to solve this problem. But we will study the problems that input signals of different order modulation types require different radius values and how to to make a decision whether the procedure of clustering is over. Second, after subtractive clustering outputs the initial centroid, we use C-means or fussy C-means clustering. By this method, we will gain the optimum solution and speed up the rate of convergence. Third, we will discuss the computational complexity of the method introduced by this program. Through simulation and analysing, we will give the conclusion about how the size of the sample set affect the accuracy of the clustering method.

MQAM信号调制阶数范围很大，调制星座图的样式种类多，对MQAM信号进行调制识别时，难以提前获取待识别信号的标签样本集，这是调制识别研究领域的难点。在模式识别理论中针对类似问题用非监督的模式识别方法或基于聚类的方法来解决，因此，本项目拟研究基于聚类理论的任意阶数任意星座图MQAM信号的调制方式识别问题，分析将聚类理论引入MQAM信号的调制识别时可能面临的难题，探讨问题产生的原因，研究用聚类理论解决星座图重构时的规律，在此基础上进行总结归纳给出问题的解决方法，最终给出基于聚类的调制方式识别的完整理论。拟研究的主要问题和解决思路有：1、初始聚类中心的确定，拟采用减法聚类算法，该方法速度快，但需研究如何设定聚类半径和聚类结束判决条件。2、二次聚类算法，研究如何通过均值聚类进一步纠正减法聚类出现的误差。3、探讨算法运算复杂度问题，复杂度跟样本的数量有关，找到保证一定聚类精度下所需样本数量的最小值。

通信信号的调制识别在信号检测与信号解调之间起着重要的作用，是信号分析的重要组成部分，不论在军用还是民用方面都有着广泛的应用。近年来调制技术发展较快，出现了许多新调制方式，多进制正交振幅调制(MQAM)能够较好的利用频带及信道资源，因此受到卫星通信及网络通信的青睐。所以，研究MQAM信号的调制方式具有重要的现实意义。QAM信号调制阶数的范围可以非常大，调制星座图的样式也可以无限多。非协作环境下接收机随时可能面对新的未知的调制星座图，模式识别中称这种情况为无监督的模式识别。因此，任意星座图的QAM信号调制方式识别是难点。.本项目取得的创新性成果如下：.第一、建立了完整的基于聚类理论的MQAM信号调制识别算法，包括以下三步：.基于信噪比估计的自适应减法聚类算法，完成MQAM信号星座图的初步重构。.联合使用减法聚类与均值聚类的算法，完成MQAM信号星座图的重构。在减法聚类基础上，进一步使用基于代价函数最优的C均值聚类或模糊C均值聚类方法，使得聚类误差进一步减小。.基于重构星座图的广义似然比（GLRT）分类器，完成有监督情况下的调制方式的判决。.第二、提出了半监督模糊均值聚类算法重构MQAM信号星座图，并引入有效性函数与星座图圆半径完成MQAM信号的自动识别，包括以下三步：.由自适应减法聚类可以获得初始聚类中心，在信噪比低时中心的位置可能不准确。因此，我们提出了利用半监督聚类算法进行二次聚类。.引入有效性函数判断聚类的合理性，提出聚类有效性函数来判断聚类的合理性进而判断调制方式的初始划分，实验表明当聚类结果与实际星座图相同时有效性函数值最大，反之较小。.用星座图圆半径和有效性函数分别作为特征参数分类识别MQAM信号的调制方式。.通过实验，给出的方法在误码率15%时识别率大于等于95%，因此能够胜任MQAM信号的分类识别。

内容获取失败，请点击重试